KOMPARASI ALGORITMA BOOSTING UNTUK PREDIKSI GANGGUAN TIDUR
DOI:
https://doi.org/10.23960/jitet.v13i3.7281Abstract Views: 84 File Views: 72
Keywords:
comparasion, boosting algorithm, sleep disorder, predictionAbstract
Gangguan tidur merupakan salah satu permasalahan kesehatan yang dapat berdampak pada kualitas hidup seseorang. Dalam upaya meningkatkan akurasi prediksi gangguan tidur, teknologi kecerdasan buatan telah banyak dimanfaatkan, khususnya melalui pendekatan algoritma machine learning. Penelitian ini bertujuan untuk melakukan komparasi terhadap lima algoritma boosting, yaitu AdaBoost, CatBoost, LightGBM, Gradient Boosting, dan XGBoost menggunakan dataset Sleep Health and Lifestyle. Adapun tahap penelitian yang dilakukan meliputi pengumpulan data, prapemrosesan data, normalisasi, serta evaluasi model. Berdasarkan hasil evaluasi, algoritma CatBoost menunjukkan performa paling unggul dibandingkan dengan algoritma lainnya. Hasil evaluasi menunjukkan bahwa algoritma CatBoost memberikan performa terbaik dengan akurasi sebesar 97,37%, presisi 96,29%, recall 95,83%, dan F1-score 95,82%. Hasil analisis menunjukkan bahwa keunggulan CatBoost berasal dari kemampuannya dalam menangani fitur kategorikal secara langsung tanpa memerlukan encoding tambahan, serta kemampuannya dalam mengurangi overfitting dibandingkan dengan metode boosting lainnya. Temuan ini menunjukkan bahwa model prediksi berbasis boosting khususnya CatBoost dapat dijadikan alat bantu yang efektif dalam deteksi gangguan tidur secara lebih akurat.
Downloads
References
K. Jasmine and F. Martdianty, “The Analisis Pengaruh Abusive Supervision terhadap Employee Creativity dengan Sleep Deprivation, Emotional Exhaustion, dan Self Efficacy sebagai Mediator,” Jurnal Manajemen dan Organisasi, vol. 13, no. 1, pp. 23–35, 2022, doi: 10.29244/jmo.v13i1.34343.
J. L. Putra and W. F. Hidayat, “Prediksi Kualitas Tidur: Pendekatan Machine Learning yang Mengintegrasikan Faktor Kesehatan dan Lingkungan,” Computer Science (CO-SCIENCE), vol. 4, no. 2, pp. 157–162, 2024, doi: 10.31294/coscience.v4i2.4737.
K. J. Mehta, “Effect of sleep and mood on academic performance—at interface of physiology, psychology, and education,” Dec. 01, 2022, Springer Nature. doi: 10.1057/s41599-021-01031-1.
I. U. Aisyah and N. Q. Wijayani, “Penggunaan Gadget Terhadap Kualitas Tidur Dan Kesehatan Mental Remaja,” Jurnal Multidisiplin Ilmu Sosial, vol. 2, no. 9, pp. 31–40, 2023.
D. Sari, “Prediksi Gangguan Tidur pada Sleep Health and Lifestyle Menggunakan Support Vector Machine dan Neural Network,” JAVIT : Jurnal Vokasi Informatika, pp. 36–42, 2024, doi: 10.24036/javit.v4i1.168.
S. S. Azzahra, “Obstructive Sleep Apnea (OSA) Sebagai Faktor Resiko Hipertensi,” Jurnal Ilmiah Kesehatan Sandi Husada, vol. 10, no. 2, pp. 321–324, 2019, doi: 10.35816/jiskh.v10i2.180.
E. Mardiani, N. Rahmansyah, S. Ningsih, and ..., “Komparasi Metode Knn, Naive Bayes, Decision Tree, Ensemble, Linear Regression Terhadap Analisis Performa Pelajar Sma,” Innovative: Journal Of …, vol. 3, no. 2, pp. 13880–13892, 2023.
I. M. M. Matin, M. Agustin, B. Sugiarto, and A. N. Asri, “Deteksi Malware Menggunakan Machine Learning Dengan Metode Ensemble,” Prosiding Sains Nasional dan Teknologi, vol. 13, no. 1, pp. 265–270, Nov. 2023, doi: 10.36499/psnst.v13i1.9224.
L. M. Cendani and A. Wibowo, “Perbandingan Metode Ensemble Learning pada Klasifikasi Penyakit Diabetes,” Jurnal Masyarakat Informatika, vol. 13, no. 1, pp. 33–44, 2022, doi: 10.14710/jmasif.13.1.42912.
Jan Melvin Ayu Soraya Dachi and Pardomuan Sitompul, “Analisis Perbandingan Algoritma XGBoost dan Algoritma Random Forest Ensemble Learning pada Klasifikasi Keputusan Kredit,” Jurnal Riset Rumpun Matematika Dan Ilmu Pengetahuan Alam, vol. 2, no. 2, pp. 87–103, 2023, doi: 10.55606/jurrimipa.v2i2.1470.
M. Maulidah and N. Hidayati, “Prediksi Kesehatan Tidur Dan Gaya Hidup Menggunakan Machine Learning,” CONTEN : Computer and Network Technology, vol. 4, no. 1, pp. 81–86, 2024.
I. Fahruzi, I. K. E. Purnama, and M. H. Purnomo, “Asesmen ECG-Apnea Satu Sadapan untuk Peningkatan Akurasi Klasifikasi Gangguan Tidur Berdasarkan AdaBoost,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 9, no. 2, pp. 196–204, 2020, doi: 10.22146/jnteti.v9i2.159.
A. Maysa, S. P. A. Alkadri, and I. Istikoma, “Klasifikasi Tingkat Kepuasan di Maskapai Penerbangan: Studi Komparasi Algoritma K-NN dan Adaboost,” Jurnal Informatika Polinema, vol. 10, no. 3, pp. 405–412, 2024, doi: 10.33795/jip.v10i3.5166.
I. Maulana, A. M. Siregar, S. Arum, P. Lestari, S. Faisal, and U. B. Perjuangan, “OPTIMAL STUDY OF REAL-ESTATE PRICE PREDICTION MODELS USING STUDI OPTIMAL MODEL PREDIKSI HARGA REAL-ESTATE MENGGUNAKAN,” vol. 5, no. 4, pp. 1149–1164, 2024.
H. Yang, Z. Chen, H. Yang, and M. Tian, “Predicting Coronary Heart Disease Using an Improved LightGBM Model: Performance Analysis and Comparison,” IEEE Access, vol. 11, no. March, pp. 23366–23380, 2023, doi: 10.1109/ACCESS.2023.3253885.
M. R. Andryan, M. Fajri, and N. Sulistyowati, “Komparasi Kinerja Algoritma Xgboost Dan Algoritma Support Vector Machine (Svm) Untuk Diagnosis Penyakit Kanker Payudara,” JIKO (Jurnal Informatika dan Komputer), vol. 6, no. 1, p. 1, 2022, doi: 10.26798/jiko.v6i1.500.
Muflih Ihza Rifatama, Mohammad Reza Faisal, Rudy Herteno, Irwan Budiman, and Muhammad Itqan Mazdadi, “Optimasi Algoritma K-Nearest Neighbor Dengan Seleksi Fitur Menggunakan Xgboost,” Jurnal Informatika dan Rekayasa Elektronik, vol. 6, no. 1, pp. 64–72, 2023, doi: 10.36595/jire.v6i1.723.
A. M. Eko Fitra Firmandani, A. Hudawi AS, and A. Tholib, “Optimasi Model CatBoost dengan Feature Selection dan Hyperparameter Tuning untuk Prediksi Nasabah Bank Potensial,” Academic Journal of Computer Science Research, vol. 6, no. 2, p. 118, 2024, doi: 10.38101/ajcsr.v6i2.15656.
L. Qadrini, A. Sepperwali, and A. Aina, “Decision Tree Dan Adaboost Pada Klasifikasi Penerima Program Bantuan Sosial,” Jurnal Inovasi Penelitian, vol. 2, no. 7, pp. 1959–1966, 2021.
M. Anjas Aprihartha, J. Prasetya, D. Sefri, and I. Fallo, “Implementasi CART-Real Adaboost dalam Memprediksi Minat Pelanggan Membeli Sepatu A B S T R A K INFORMASI ARTIKEL A B S T R A C T,” vol. 12, no. 1, pp. 35–46, 2024, [Online]. Available: https://ejournal.upi.edu/index.php/JEM
S. Diantika, “Penerapan Teknik Random Oversampling Untuk Mengatasi Imbalance Class Dalam Klasifikasi Website Phishing Menggunakan Algoritma Lightgbm,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 1, pp. 19–25, 2023, doi: 10.36040/jati.v7i1.6006.
A. Pramudyantoro, E. Utami, and D. Ariatmanto, “Penggabungan K-Nearest Neighborsdan Lightgbm Untukprediksi Diabetes Pada Dataset Pima Indians: Menggunakanpendekatan Exploratory Data Analysis,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, pp. 1133–1144, 2024, [Online]. Available: https://jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/4966/2114
F. Firmansyah and A. Yulianto, “Pemodelan Pembelajaran Mesin untuk Prediksi Kesehatan Mental di Tempat Kerja,” Jurnal Minfo Polgan, vol. 13, no. 1, pp. 397–407, 2024, doi: 10.33395/jmp.v13i1.13674.
R. Leonardo, J. Pratama, and C. Chrisnatalis, “Perbandingan Metode Random Forest Dan Naïve Bayes Dalam Prediksi Keberhasilan Klien Telemarketing,” Jurnal Teknologi Dan Ilmu Komputer Prima (Jutikomp), vol. 3, no. 2, pp. 455–459, 2020, doi: 10.34012/jutikomp.v3i2.1321.
K. R. Supriyanti, B. A. Damiri, and W. N. Ramadhan, “Pengelompokan Faktor-Faktor yang Mempengaruhi Curah Hujan di Provinsi Sumatera Utara Menggunakan Metode Fuzzy C-Means,” Jurnal Statistika dan Komputasi, vol. 3, no. 1, pp. 1–10, 2024, doi: 10.32665/statkom.v3i1.2623.
N. Gupta et al., “Data Quality Toolkit: Automatic assessment of data quality and remediation for machine learning datasets,” 2021.
M. Halawa, “Normalisasi Data Penjualan Ternak Menggunakan Metode Binning Untuk Menentukan Pola Penjualan Ternak Menerapkan Metode Apriori,” vol. 2, no. 2, pp. 73–81, 2024.
Ary Prandika Siregar, Dwi Priyadi Purba, Jojor Putri Pasaribu, and Khairul Reza Bakara, “Implementasi Algoritma Random Forest Dalam Klasifikasi Diagnosis Penyakit Stroke,” Jurnal Penelitian Rumpun Ilmu Teknik, vol. 2, no. 4, pp. 155–164, 2023, doi: 10.55606/juprit.v2i4.3039.
E. Muningsih, “Kombinasi Metode K-Means Dan Decision Tree Dengan Perbandingan Kriteria Dan Split Data,” Jurnal Teknoinfo, vol. 16, no. 1, p. 113, 2022, doi: 10.33365/jti.v16i1.1561.
S. Smiti, M. Soui, and K. Ghedira, “Tri-XGBoost model improved by BLSmote-ENN: an interpretable semi-supervised approach for addressing bankruptcy prediction,” Knowl Inf Syst, vol. 66, no. 7, pp. 3883–3920, 2024, doi: 10.1007/s10115-024-02067-w.
A. Samat, E. Li, P. Du, S. Liu, and J. Xia, “GPU-Accelerated CatBoost-Forest for Hyperspectral Image Classification Via Parallelized mRMR Ensemble Subspace Feature Selection,” IEEE J Sel Top Appl Earth Obs Remote Sens, vol. 14, pp. 3200–3214, 2021, doi: 10.1109/JSTARS.2021.3063507.
J. Cao, S. Kwong, and R. Wang, “A noise-detection based AdaBoost algorithm for mislabeled data,” Pattern Recognit, vol. 45, no. 12, pp. 4451–4465, 2012, doi: 10.1016/j.patcog.2012.05.002.
M. Alqahtani, A. Gumaei, H. Mathkour, and M. M. Ben Ismail, “A genetic-based extreme gradient boosting model for detecting intrusions in wireless sensor networks,” Sensors (Switzerland), vol. 19, no. 20, 2019, doi: 10.3390/s19204383.
S. Clara, D. Laksmi Prianto, R. Al Habsi, E. Friscila Lumbantobing, and N. Chamidah, “Implementasi Seleksi Fitur Pada Algoritma Klasifikasi Machine Learning Untuk Prediksi Penghasilan Pada Adult Income Dataset,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, vol. 2, no. 1, pp. 741–747, 2021.
P. Septiana Rizky, R. Haiban Hirzi, and U. Hidayaturrohman, “Perbandingan Metode LightGBM dan XGBoost dalam Menangani Data dengan Kelas Tidak Seimbang,” J Statistika: Jurnal Ilmiah Teori dan Aplikasi Statistika, vol. 15, no. 2, pp. 228–236, 2022, doi: 10.36456/jstat.vol15.no2.a5548.
A. Darmawan, M. Muliadi, D. Kartini, T. H. Saragih, and R. A. Nugraha, “Implementasi Catboost Dengan Menggunakan Hyper-Parameter Tuning Bayesian Search Untuk Memprediksi Penyakit Diabetes,” Jurnal Komputasi, vol. 11, no. 2, pp. 148–156, 2023, doi: 10.23960/komputasi.v11i2.13746
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
